目录

  • 1. 引言
  • 2. 聚类稳健标准误
  • 3. 聚类标准误异质性识别
  • 3.1 高杠杆类 (high leverage)
  • 3.2 偏杠杆类 (partial leverage)
  • 3.3 强影响类 (influence)
  • 3.4 小样本聚类标准误
  • 4. Stata 实操
  • 4.1 命令介绍
  • 4.2 案例演示
  • 5. 相关推文

 

 

1. 引言

在计量经济学的统计推断中，标准误扮演着重要角色。不过在当前的研究中，误差项满足独立同分布 (iid) 的假定并不能很好的反映真实情况，因此越来越多的研究者认为需要对标准误进行调整。其中聚类标准误 (cluster SE) 是一种最为常见的方法。

聚类稳健标准误放松了误差项满足独立同分布的假定，允许聚类内部个体间误差项存在相关性，但是聚类之间个体误差项不存在相关性。当上述条件得到满足，采用聚类调整的 OLS 估计值是无偏的。然而，聚类层级的选择会影响系数显著性和统计推断的结果，如何判断实证研究中聚类是否有效？

MacKinnon 等 (2022) 为聚类推断的有效性提供了检验方法。他们认为通过一系列特征统计量的分布特征可以分析聚类的有效性，并提供了 Stata 命令 summclust。接下来，本文将介绍 MacKinnon 等 (2022) 提出的聚类有效性分析思路以及 Stata 实操过程，以便加深读者对于相关内容的理解，提高实证研究的可靠性。